Yapay zeka yardımıyla güneş enerjisi üretim tahminlemesi ve gerçekleşen üretim değerleri ile tasarım programı çıktılarının karşılaştırmalı analizi
Solar energy production estimation with the help of artificial intelligence and comparative analysis of realized production values and design program outputs
- Tez No: 896417
- Danışmanlar: PROF. DR. MELİH SONER ÇELİKTAŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Enerji, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Energy, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Güneş Enerjisi Ana Bilim Dalı
- Bilim Dalı: Enerji Teknolojisi Bilim Dalı
- Sayfa Sayısı: 112
Özet
Yenilenebilir enerji entegrasyonu arttıkça hem öngörülebilir hem de güvenilir enerji yönetim sistemlerine olan talep artmaktadır. Üretimi ve şebekeye beslemesi değişken olan güneş enerjisi gibi yenilenebilir kaynaklardan elde edilen enerji üretiminin doğru tahmin edilmesi, enerji yönetim sistemlerinin odak konularından biridir. Bu tezde, gerçek bir güneş enerjisi santralinin üretimini tahmin etmek için yapay zeka kullanılmıştır. Yapay zeka ile tahmin edilen üretim değerleri, gerçekleşen üretim değerlerinin yanı sıra enerji santrali tasarımında yaygın olarak kullanılan Helioscope ve Pvsyst programları tarafından tahmin edilen üretim değerleri ile karşılaştırılmıştır. Metodoloji, veri temini, veri ön işleme, makine öğrenimi ve yapay zeka modellerinin geliştirilmesini içermektedir. Eğitim verilerinde lineer regresyon, boosting algoritmaları (XGBoost, CatBoost, LightGBM), uzun kısa süreli bellek (LSTM) ve yapay sinir ağları (ANN, MLP) analiz edilmiş, en iyi sonuçları veren LightGBM makine öğrenmesi modeli ile GridSearchCV kullanılarak parametre optimizasyonu gerçekleştirilmiştir. Test verileri üzerinde çalıştırıldığında RMSE değeri 67,04 ve R-kare değeri 0,96 olarak elde edilmiştir. Sonuçlar LightGBM algoritmasının gerçek üretim ve tasarım programı verileriyle yakından uyumlu tahminler yapabildiğini göstermektedir.
Özet (Çeviri)
As renewable energy integration increases, the demand for both predictable and reliable energy management systems is increasing. Accurate prediction of energy production from renewable sources such as solar energy, whose generation and supply to the grid is variable, is one of the focal issues of energy management systems. In this thesis, artificial intelligence is used to predict the generation of a real solar power plant. The production values predicted by artificial intelligence are compared with the actual production values as well as the production values predicted by Helioscope and Pvsyst programs, which are widely used in power plant design. The methodology includes data acquisition, data preprocessing, machine learning and development of artificial intelligence models. Linear regression, boosting algorithms (XGBoost, CatBoost, LightGBM), long short-term memory (LSTM) and artificial neural networks (ANN, MLP) were analysed on the training data, and parameter optimisation was performed using GridSearchCV with the LightGBM machine learning model that gave the best results. When run on test data, the RMSE value was 67.04 and the R-square value was 0.96. The results show that the LightGBM algorithm can make predictions that are closely aligned with real production and design programme data.
Benzer Tezler
- Yapay sinir ağları kullanılarak kısa süreli güneş enerjisi tahmini
Short term solar energy prediction by using artifical neural networks
ELA NUR ORUÇ
Yüksek Lisans
Türkçe
2022
Enerjiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET ÖZTOPAL
- Solar sistemler için akıllı evirici tasarımı ve uygulaması
An application of intelligent inverter for solar systems
ŞERİF ŞEREFOĞLU
Yüksek Lisans
Türkçe
2014
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik Eğitimi Ana Bilim Dalı
YRD. DOÇ. DR. MEHMET DEMİRTAŞ
- Amasya Üniversitesi güneş enerji santrali üretim verilerinin meteorolojik verilere bağlı olarak yapay zeka yöntemleri ile tahmini
Estimation of Amasya University solar power plant production data with artificial intelligence methods based on meteorological data
SERDAR SOMUNCU
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiAmasya ÜniversitesiYenilenebilir Enerji ve Uygulamaları Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CANAN ORAL
- Yenilenebilir enerji kaynaklarının hibrit kullanımını yapay zeka ile modellemesi
Hybrid of renewable energy resources modelling usage with structural intelligence
RAMAZAN ERDİ SEVDİM
Yüksek Lisans
Türkçe
2018
Mekatronik Mühendisliğiİstanbul Gelişim ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÜMİT ALKAN
- Bilecik bölgesinin güneş ışınım şiddeti tahmininde saklı markov modelinin kullanılabilirliğinin analizi
Analysis of the usability of the markov model holding at the estimation of solar radiation of Bilecik region
İNCİ CEYHAN
Yüksek Lisans
Türkçe
2018
EnerjiBilecik Şeyh Edebali ÜniversitesiEnerji Sistemleri Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KURBAN